Python 是運行在解釋器中的語言，查找資料知道， python 中有一個全局鎖( GI)，在使用多進程( Threa)的情況下，不能發(fā)揮多核的優(yōu)勢。而使用多進程( Multiprocess)，則可以發(fā)揮多核的優(yōu)勢真正地提高效率。

對比實驗

資料顯示，如果多線程的進程是 CPU 密集型的，那多線程并不能有多少效率上的提升，相反還可能會因為線程的頻繁切換，導(dǎo)致效率下降，推薦使用多進程;如果是 IO 密集型，多線程進程可以利用 IO 阻塞等待時的空閑時間執(zhí)行其他線程，提升效率。所以我們根據(jù)實驗對比不同場景的效率

(1)引入所需要的模塊

(2)定義 CPU 密集的計算函數(shù)

(3)定義 IO 密集的文件讀寫函數(shù)

(4) 定義網(wǎng)絡(luò)請求函數(shù)

(5)測試線性執(zhí)行 IO 密集操作、 CPU 密集操作所需時間、網(wǎng)絡(luò)請求密集型操作所需時間

輸出

CPU 密集：95.6059999466、91.57099986076355 92.52800011634827、 99.96799993515015

IO 密集：24.25、21.76699995994568、21.769999980926514、22.060999870300293

網(wǎng)絡(luò)請求密集型：4.519999980926514、8.563999891281128、4.371000051498413、4.522000074386597、14.671000003814697

(6)測試多線程并發(fā)執(zhí)行 CPU 密集操作所需時間

(7)測試多線程并發(fā)執(zhí)行 IO 密集操作所需時間

(8)測試多線程并發(fā)執(zhí)行網(wǎng)絡(luò)密集操作所需時間

Output : 0.7419998645782471、0.3839998245239258、0.3900001049041748

(9)測試多進程并發(fā)執(zhí)行 CPU 密集操作所需時間

Output : 54.342000007629395、53.437999963760376

(10)測試多進程并發(fā)執(zhí)行 IO 密集型操作

Output : 12.509000062942505、13.059000015258789

(11)測試多進程并發(fā)執(zhí)行 Http 請求密集型操作

Output : 0.5329999923706055、0.4760000705718994

實驗結(jié)果

CPU 密集型操作 IO 密集型操作網(wǎng)絡(luò)請求密集型操作

通過上面的結(jié)果，我們可以看到：

多線程在 IO 密集型的操作下似乎也沒有很大的優(yōu)勢(也許 IO 操作的任務(wù)再繁重一些就能體現(xiàn)出優(yōu)勢)，在 CPU 密集型的操作下明顯地比單線程線性執(zhí)行性能更差，但是對于網(wǎng)絡(luò)請求這種忙等阻塞線程的操作，多線程的優(yōu)勢便非常顯著了

多進程無論是在 CPU 密集型還是 IO 密集型以及網(wǎng)絡(luò)請求密集型(經(jīng)常發(fā)生線程阻塞的操作)中，都能體現(xiàn)出性能的優(yōu)勢。不過在類似網(wǎng)絡(luò)請求密集型的操作上，與多線程相差無幾，但卻更占用 CPU 等資源，所以對于這種情況下，我們可以選擇多線程來執(zhí)行。